Turin3D: Evaluating Adaptation Strategies under Label Scarcity in Urban LiDAR Segmentation with Semi-Supervised Techniques
Created by
Haebom
저자
Luca Barco, Giacomo Blanco, Gaetano Chiriaco, Alessia Intini, Luigi La Riccia, Vittorio Scolamiero, Piero Boccardo, Paolo Garza, Fabrizio Dominici
개요
Turin3D는 이탈리아 토리노 시 중심부 약 1.43km² 지역을 덮는, 약 7천만 개의 점으로 구성된 새로운 항공 LiDAR 데이터셋입니다. 이 논문은 데이터 수집 과정을 설명하고 기존 데이터셋과 Turin3D를 비교합니다. 전체 데이터셋에 대한 주석 작업은 복잡하고 시간이 많이 걸리기 때문에 완료되지 않았지만, 검증 및 테스트 세트에 대한 수동 주석 작업을 통해 제안된 기법의 신뢰할 수 있는 평가가 가능합니다. 기존 데이터셋으로 학습된 여러 점 구름 의미론적 분할 모델의 Turin3D에 대한 성능을 벤치마킹하고, 레이블이 없는 훈련 세트를 활용하는 준지도 학습 기법을 적용하여 성능을 개선합니다. 이 데이터셋은 훈련 세트에 대한 정답 레이블이 없다는 점을 고려하여, 특히 자기 지도 학습 및 준지도 학습 접근 방식과 관련하여 옥외 점 구름 분할 연구를 지원하기 위해 공개적으로 제공될 예정입니다.
시사점, 한계점
•
시사점:
◦
토리노 시 중심부를 덮는 대규모 항공 LiDAR 데이터셋인 Turin3D를 제공합니다.
◦
기존 점 구름 의미론적 분할 모델의 성능을 벤치마킹하고 준지도 학습을 통해 성능 개선을 보여줍니다.
◦
자기 지도 학습 및 준지도 학습 연구에 기여할 수 있는 새로운 데이터셋을 공개합니다.
•
한계점:
◦
데이터셋의 전체 주석 작업이 완료되지 않았습니다.
◦
훈련 세트에 대한 정답 레이블이 부족하여 자기 지도 학습 및 준지도 학습에 의존해야 합니다.
